《Agriculture》：YOLO-PINE: A Lightweight Pineapple Object Detection Method Based on an Improved YOLO11n
编辑推荐：
在复杂田间环境中的菠萝检测面临显著挑战，包括严重的背景干扰、剑叶频繁遮挡以及密集果实的识别困难，这要求在实际部署于资源受限的边缘设备时，在检测精度与计算效率之间实现最优平衡。研究人员提出YOLO-PINE，一种基于改进YOLO11n架构的轻量级检测模型，该模型
在复杂田间环境中的菠萝检测面临显著挑战，包括严重的背景干扰、剑叶频繁遮挡以及密集果实的识别困难，这要求在实际部署于资源受限的边缘设备时，在检测精度与计算效率之间实现最优平衡。研究人员提出YOLO-PINE，一种基于改进YOLO11n架构的轻量级检测模型，该模型融合了三个关键模块：用于高效浅层特征提取的通道分组半卷积模块（CGHalfConv）、用于频域全局上下文建模的循环注意力机制（CA）以及用于增强多尺度特征融合的空间注意力多尺度卷积模块（SAMC）。该模型在自建菠萝数据集上进行训练与评估。YOLO-PINE实现了97.2%的精确率、92.6%的召回率、95.9%的mAP@50以及70.1%的mAP@50–95，仅需5.0 GFLOPs和2.1 M参数，相较于YOLO11n，计算负载降低21.9%，参数量减少16.0%。YOLO-PINE在检测精度与效率之间取得了竞争性平衡，为边缘设备上的自动菠萝采摘提供了可行的视觉感知解决方案。
**论文解读：YOLO-PINE——面向复杂田间环境的轻量级菠萝目标检测方法**
**研究背景与问题**
菠萝作为重要热带经济作物，在中国南方广泛种植，但采摘作业仍依赖高劳动强度的人工操作。随着农业自动化与智能装备技术的发展，基于计算机视觉的智能采摘技术受到广泛关注。然而，在真实田间场景中，菠萝自动检测面临多重挑战：剑叶频繁遮挡导致果实部分不可见；光照条件复杂多变，过曝与阴影交替降低图像质量；果实密集生长、重叠以及杂草干扰进一步加剧检测难度。这些因素对采摘机器人视觉系统的检测精度、鲁棒性与实时性提出严苛要求，而现有方法（如基于YOLOv3、YOLOv7的改进模型）在平衡精度与效率方面仍存在不足。为此，研究人员基于YOLO11n基线模型，提出YOLO-PINE轻量级检测模型，旨在为资源受限的边缘设备提供高效视觉感知方案，推动自动菠萝采摘技术的实际应用。该研究发表于《Agriculture》。
**主要关键技术方法**
研究人员采用自建数据集，数据来源于广东省湛江市菠萝实验基地，采集时间为2025年3月中旬至5月上旬，涵盖果实膨大期至早熟期。使用华为nova11手机拍摄，分辨率4096×3072像素，拍摄距离30-200 cm，角度15°-60°，共收集1620张原始图像。经数据增强（裁剪、仿射变换、颜色畸变、高斯噪声、Cutout与Mosaic）后扩展至3430张，按8:1:1随机划分为训练集、验证集与测试集。主要技术包括：1）通道分组半卷积模块（CGHalfConv）：将特征图沿通道维度分为三组，每组内仅对一半通道执行3×3卷积，其余保持恒等映射，以降低计算冗余；2）循环注意力机制（CA）：利用自注意力矩阵近似块循环循环块矩阵（BCCB）的性质，通过二维快速傅里叶变换（2D-FFT）在频域实现O(n log n)复杂度的全局上下文建模；3）空间注意力多尺度卷积模块（SAMC）：级联通道注意力（CAB）、空间注意力（SAB）与多尺度卷积（MSConv），分别优化“重要通道”、“关键空间位置”与“适宜感受野”三个问题。
**研究结果**
**3.1 不同模型对比结果**
在独立测试集上，将YOLO-PINE与Faster R-CNN、YOLOv5s、YOLOv7-tiny、YOLOv8n、YOLOv9t、YOLOv10n、YOLO11n及YOLOv12n进行对比。结果表明，YOLO-PINE在精度（P=97.2%）、召回率（R=92.6%）、mAP@50（95.9%）和mAP@50–95（70.1%）上均达到最高，同时计算负载（GFLOPs=5.0）与参数量（Params=2.1 M）为最低。相较于基线YOLO11n，mAP@50提升5.5个百分点，GFLOPs降低21.9%，参数减少16.0%；相较于YOLOv12n，mAP@50高4.2个百分点，mAP@50–95高8.3个百分点，参数减少16.0%，GFLOPs降低16.7%。证实了三维改进策略的有效性。
**3.2 消融实验结果**
通过逐步添加CGHalfConv、CA与SAMC模块进行消融实验。单独引入CGHalfConv使mAP@50从88.4%提升至93.1%，GFLOPs与参数分别降低21.9%和16.0%；单独引入CA使mAP@50提升至93.2%，mAP@50–95提升至67.0%（+10.2%），GFLOPs降至5.8G；单独引入SAMC使mAP@50达92.2%，mAP@50–95达65.4% (+8.6%)，精确率达95.8%。完整YOLO-PINE模型（三模块协同）实现mAP@50=95.9%、mAP@50–95=70.1%（+13.3%）、精确率=97.2%、召回率=92.6%，仅需5.0 GFLOPs与2.1 M参数。mAP@50–95的显著提升表明模型在多个IoU阈值下均能实现更精确的边界框回归。
**3.3 可视化分析**
**3.3.1 不同模型的准确性**
训练过程中YOLO-PINE的精度曲线持续领先，200轮后稳定收敛，最终精确率97.2%、召回率92.6%、mAP@50=95.9%，表明三个模块不仅提升检测精度，还增强训练稳定性。
**3.3.2 不同模型的识别性能**
针对剑叶遮挡、前后重叠、密集多目标及远距离小目标四种典型场景的可视化对比显示：YOLO-PINE在遮挡场景下漏检率显著低于基线模型；在重叠场景中能准确区分重叠边界；在远距离小目标场景中，CA模块的全局建模能力弥补了传统卷积局部感受野的局限。
**3.3.3 Grad-CAM热力图**
YOLO-PINE的热力图呈现精准集中的分布，在果肉、果鳞等关键区域出现密集稳定的高响应区，果实轮廓边缘连续明亮，背景呈冷色调。而基线YOLO11n热力图存在特征焦点定位不准、目标响应区域分散、边缘模糊等问题。CA的频域全局注意力与SAMC的通道-空间双注意力共同提升了特征聚焦能力。
**讨论与结论**
讨论部分指出，CGHalfConv通过通道分组半卷积策略在降低计算量21.9%的同时提升mAP@50 4.7%；CA利用BCCB矩阵与2D-FFT实现频域全局注意力，单独贡献mAP@50提升4.8%；SAMC通过级联的CAB、SAB与MSConv优化通道、空间与多尺度特征融合，单独贡献mAP@50提升3.8%。三模块协同实现了“浅层轻量化+全局频域注意力+多尺度注意力融合”的竞争性平衡。研究局限包括：数据集仅覆盖特定热带菠萝种植园，场景类型与成熟度范围有限；未系统评估实时推理速度（FPS）；CA模块在GPU上的实际加速受FFT库优化水平限制；跨作物泛化能力未验证。未来工作将扩展多区域多阶段数据集、评估边缘设备实时性能并推动工程部署。
结论部分翻译：本文针对复杂田间环境中菠萝目标检测面临的计算资源受限、背景干扰严重及密集遮挡识别困难等技术挑战，以YOLO11n为基线模型，提出轻量级增强模型YOLO-PINE。其主要改进包括：（1）在骨干网络浅层引入CGHalfConv通道分组半卷积模块，以极低计算成本实现高效浅层特征提取，单独应用使计算负载降低21.9%，mAP@50提升4.7%。（2）在骨干网络末端集成CA循环注意力机制，利用BCCB矩阵的频域计算特性实现O(n log n)复杂度的全局上下文建模，单独贡献mAP@50提升4.8%。（3）在颈部网络部署SAMC空间注意力多尺度卷积模块，通过CAB-SAB-MSConv级联协作实现通道-空间双注意力引导的多感受野特征融合，单独贡献mAP@50提升3.8%。自建菠萝数据集上的实验结果表明，YOLO-PINE达到97.2%的精确率、92.6%的召回率、95.9%的mAP@50与70.1%的mAP@50–95，仅需5.0 GFLOPs计算量与2.1 M参数。相较于基线YOLO11n，mAP@50提升5.5个百分点，计算负载降低21.9%，参数减少16.0%。在所有对比模型中，YOLO-PINE的GFLOPs与参数量均为最低，同时所有精度指标均达到最优水平。这些结果验证了“CGHalfConv浅层轻量化、CA全局感知、SAMC多尺度融合”三维协同优化策略的有效性，模型在检测精度与计算效率之间取得成功平衡，为菠萝自动采摘系统的视觉感知任务提供了可行的轻量级解决方案。未来研究将集中于扩展多场景数据集、评估实时推理速度以及在边缘设备上实施工程部署。
